典型文献
基于bounding-box与卡尔曼滤波的优化压缩感知算法的目标定位
文献摘要：
针对无线传感器网络目标定位过程中存在的测量矩阵维数高、运算量大以及测量向量不准确的问题,文章提出一种优化压缩感知(compressive sensing,CS)定位算法.首先对传感器采集的接收信号强度值进行卡尔曼滤波保证压缩感知测量向量的准确性;然后引入bounding-box方法估计位置区域,缩小节点定位范围从而降低后一阶段压缩感知测量矩阵的维数;最后在节点估计区域进行压缩感知定位,并提出基于原子相关度阈值的回溯匹配追踪算法,通过原子相关度阈值控制对候选集原子进行二次筛选剔除低相关度原子,在支撑集中保留系数较大的原子,提升重建精度.实验结果表明,在信噪比为5 dB,目标数为8时,相较于传统的OMP算法、GMP算法、CoSaMP算法,所提优化定位算法的定位精度分别提升61.21％、51.53％和45.12％.
文献关键词：
测量矩阵;压缩感知(CS);bounding-box方法;原子相关度阈值;卡尔曼滤波
中图分类号：
作者姓名：
张小康;肖本贤;肖献强;方紫剑
作者机构：
合肥工业大学 电气与自动化工程学院,安徽 合肥 230009;合肥壹恒智能机械人有限公司,安徽 合肥 230000;合肥搬易通科技发展有限公司,安徽 合肥 230012
文献出处：
引用格式：
[1]张小康;肖本贤;肖献强;方紫剑-.基于bounding-box与卡尔曼滤波的优化压缩感知算法的目标定位)[J].合肥工业大学学报（自然科学版）,2022(12):1623-1629,1642
A类：
原子相关度阈值
B类：
bounding,box,卡尔曼滤波,压缩感知算法,目标定位,无线传感器网络,测量矩阵,运算量,compressive,sensing,CS,定位算法,接收信号强度,小节,节点定位,点估计,回溯,匹配追踪算法,选集,二次筛选,支撑集,保留系数,升重,重建精度,dB,OMP,GMP,CoSaMP,优化定位,定位精度
AB值：
0.337841
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
